На Web Summit Qatar биотехнологические стартапы, использующие ИИ, рассказывают, как автоматизация, данные и редактирование генов восполняют дефицит рабочей силы в поиске лекарств и лечении редких заболеваний. — techcrunch.com
Современная биотехнология располагает инструментами для редактирования генов и разработки лекарств, однако тысячи редких заболеваний остаются неизлеченными. По словам руководителей Insilico Medicine и GenEditBio, долгие годы не хватало главного — умных специалистов для продолжения работы. Искусственный интеллект, утверждают они, становится мультипликатором силы, позволяющим ученым браться за проблемы, которые индустрия долгое время обходила стороной.
Выступая на этой неделе на Web Summit Qatar, генеральный директор и основатель Insilico Алекс Алипер изложил цель своей компании — разработку «фармацевтического суперинтеллекта». Недавно Insilico запустила свой «MMAI Gym», призванный обучить универсальные большие языковые модели, такие как ChatGPT и Gemini, работать на уровне специализированных моделей.
Цель состоит в создании мультимодальной, многозадачной модели, которая, по словам Алипера, сможет одновременно решать множество задач по поиску лекарств с сверхчеловеческой точностью.
«Нам действительно нужны эти технологии, чтобы повысить производительность нашей фармацевтической индустрии и решить проблему нехватки рабочей силы и талантов в этой области, поскольку по-прежнему существуют тысячи болезней без лекарств, без вариантов лечения, и тысячи редких расстройств, которые игнорируются», — сказал Алипер в интервью TechCrunch. «Поэтому нам нужны более интеллектуальные системы для решения этой проблемы».
Платформа Insilico обрабатывает биологические, химические и клинические данные для генерации гипотез о мишенях заболеваний и потенциальных молекулах. Автоматизируя этапы, которые когда-то требовали легионов химиков и биологов, Insilico, по ее утверждению, может просеивать огромные пространства дизайнов, выбирать высококачественных терапевтических кандидатов и даже находить новое применение существующим препаратам — все это при значительном снижении затрат и времени.
Например, компания недавно использовала свои модели ИИ для определения того, можно ли перепрофилировать существующие препараты для лечения БАС, редкого неврологического расстройства.
Но кадровое узкое место не ограничивается поиском лекарств. Даже когда ИИ может выявить перспективные мишени или методы лечения, многие заболевания требуют вмешательства на более фундаментальном биологическом уровне.
GenEditBio является частью «второй волны» генной инженерии CRISPR, в которой процесс смещается от редактирования клеток вне организма (ex vivo) к точному введению внутрь организма (in vivo). Цель компании — сделать генную инженерию однократной инъекцией непосредственно в пораженную ткань.
«Мы разработали запатентованный ePDV, или инженерный белковый носитель, представляющий собой вирусоподобную частицу», — рассказал TechCrunch соучредитель и генеральный директор GenEditBio Тянь Чжу. «Мы учимся у природы и используем методы машинного обучения ИИ для изучения природных ресурсов и определения того, какие типы вирусов имеют сродство к определенным типам тканей».
Под «природными ресурсами», на которые ссылается Чжу, подразумевается обширная библиотека GenEditBio из тысяч уникальных, невирусных, нелипидных полимерных наночастиц — по сути, носителей, разработанных для безопасной доставки инструментов генной инженерии в конкретные клетки.
Компания утверждает, что ее платформа NanoGalaxy использует ИИ для анализа данных и определения корреляции между химическими структурами и конкретными тканевыми мишенями (такими как глаза, печень или нервная система). Затем ИИ прогнозирует, какие изменения в химии носителя помогут ему доставить груз, не вызывая иммунного ответа.
GenEditBio тестирует свои ePDV in vivo в мокрых лабораториях, а результаты передаются обратно в ИИ для повышения точности прогнозирования в следующем цикле.
Эффективная, тканеспецифичная доставка является предпосылкой для генной инженерии in vivo, говорит Чжу. Она утверждает, что подход ее компании снижает себестоимость продукции и стандартизирует процесс, который исторически было трудно масштабировать.
«Это похоже на получение готового препарата, [который работает] для нескольких пациентов, что делает лекарства более доступными и дешевыми для пациентов во всем мире», — сказала Чжу.
Недавно ее компания получила одобрение FDA для начала испытаний CRISPR-терапии дистрофии роговицы.
Борьба с постоянной проблемой данных
Как и во многих системах, управляемых ИИ, прогресс в биотехнологии в конечном итоге упирается в проблему данных. Моделирование крайних случаев человеческой биологии требует гораздо больше высококачественных данных, чем исследователи могут получить в настоящее время.
«Нам все еще нужно больше фактических данных от пациентов», — сказал Алипер. «Корпус данных сильно смещен в сторону западного мира, где он генерируется. Я думаю, нам нужно приложить больше усилий на местном уровне, чтобы получить более сбалансированный набор исходных данных, или фактических данных, чтобы наши модели также были более способны справляться с ними».
Алипер сказал, что автоматизированные лаборатории Insilico генерируют многослойные биологические данные из образцов заболеваний в масштабе, без вмешательства человека, которые затем подаются на ее платформу обнаружения, управляемую ИИ.
Чжу говорит, что данные, необходимые ИИ, уже существуют в человеческом теле, сформированные тысячелетиями эволюции. Лишь небольшая часть ДНК напрямую «кодирует» белки, в то время как остальное действует скорее как инструкция по поведению генов. Эту информацию людям было трудно интерпретировать, но она становится все более доступной для моделей ИИ, включая недавние разработки, такие как AlphaGenome от Google DeepMind.
GenEditBio применяет аналогичный подход в лаборатории, тестируя тысячи наночастиц-носителей параллельно, а не по одной. Полученные наборы данных, которые Чжу называет «золотом для систем ИИ», используются для обучения ее моделей и, во все большей степени, для поддержки сотрудничества с внешними партнерами.
Одним из следующих крупных начинаний, по словам Алипера, станет создание цифровых двойников людей для проведения виртуальных клинических испытаний — процесс, который, по его словам, «все еще находится в зачаточном состоянии».
«Мы находимся на плато, когда FDA ежегодно одобряет около 50 новых препаратов, и нам нужен рост», — сказал Алипер. «Наблюдается рост хронических заболеваний, поскольку население мира стареет […] Я надеюсь, что через 10-20 лет у нас будет больше терапевтических возможностей для персонализированного лечения пациентов».
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Rebecca Bellan